基于Quick Bird数据的遥感图像融合方法研究

在分析了图像融合原理和计算方法的基础上,以Quick Bird全色与多光谱遥感图像为数据源,运用HIS变换、主成分分析（PCA）和乘积变换（Brovey）3种算法,对Quick Bird遥感图像进行了融合实验研究,并从光谱的真实性和空间纹理信息两个方面对融合效果进行测试与分析,比较3种算法用于处理Quick Bird遥感图像的效果。研究结果表明：HIS融合的效果最佳,PCA融合的效果次之,Brovey融合的效果最差。     

基于Shearlet变换和KPCA的多时相遥感图像变化检测

为了进一步提高多时相遥感图像变化检测的精度,本文提出了一种将Shearlet变换与核主成分分析(kernel principal component analysis,KPCA)相结合用于遥感图像变化检测的算法.首先利用Shearlet变换的多尺度、多方向和各向异性等特点,对遥感图像进行多尺度分解,然后对分解后的数据进行核主成分分析,再进行Shearlet反变换得到含变化信息的图像,最后对该图像利用模糊局部信息C均值(fuzzy local information c-means,FLICM)聚类算法进行分割,实现遥感图像的变化检测.大量试验结果表明,与基于主成分分析(principal component analysis,PCA)、基于KPCA、基于小波变换和PCA 3种变化检测算法相比,本文算法能有效地分离出变化信息,得到更准确的变化检测图像,具有更高的变化检测精度,且对背景有较强的鲁棒性,同时也减少了计算复杂度.     

基于Quick Bird光栅图像的IHS和PCA融合研究

综述了图像数据融合技术,包括融合的基本原理、融合的常见算法、融合的基本流程。然后选用IHS变换融合、PCA变换融合对Quick Bird图像自身的全色波段和多光谱波段图像数据进行融合处理。最后从光谱的真实性和空间纹理信息两个方面对融合效果进行定量和定性比较,指出各种融合算法在处理Quick Bird图像数据中所存在的优点和不足。     

基于不同算法的遥感影像融合分析

遥感影像融合使影像具有高空间分辨率和丰富的光谱信息,遥感影像融合算法是近年来遥感领域内的研究热点,而针对不同的遥感影像,有关学者提出了很多融合算法,但是融合影像的光谱信息保真度和空间信息融入度却一直是遥感融合效果研究的焦点问题,因此有必要对融合方法进行评价.以ETM+影像为例,通过ENVI软件作为遥感影像处理平台,选择均值、标准差、偏差指数、相关系数等评价指标,进行PCA变换、Multiplicative变换、Brovey变换和Wavelet变换等4种全色与多光谱遥感影像融合算法试验,并对融合试验结果进行定量评价,探讨ETM+影像融合的最佳方法.结果表明,最佳的遥感影像融合算法是Wavelet变换融合,Multiplicative变换融合要优于Brovey变换融合和PCA变换融合.这一研究结果为充分利用全色高分辨率和多光谱特性,挖掘的数据潜力奠定了基础.     

IKONOS高分辨率遥感影像融合方法比较研究

由于应用需求的驱动,高分辨率遥感影像融合技术已成为卫星遥感信息处理领域的重要研究方向和热点课题.以贵阳地区2002年12月23日的IKONOS高分辨率遥感影像为实验数据,利用ENVI 4.3、PCI 9.0、ERDAS 9.1 3种遥感图像处理软件中的一些常用融合方法进行了融合实验,并对相应的融合结果进行了讨论和分析.结果表明,ERDAS 9.1中的PCA法融合效果最好.     

非负矩阵分解算法在遥感图像融合中的应用

研究了非负矩阵分解(NMF)方法在遥感图像融合中的几种应用.在多光谱图像与全色图像融合的过程中,采用了非负矩阵分解融合算法,非负矩阵分解与主成分结合(N_PCA)的融合算法,非负矩阵分解与提升小波变换结合的融合算法,通过对各融合图像的目视判定及统计参数判定,分析评价这些算法在遥感图像融合中的性能差异.研究实验证明非负矩阵分解算法应用于遥感图像融合处理,具有较好的融合效果,非负矩阵分解算法,非负矩阵分解与主成分结合的融合算法,非负矩阵分解与提升小波变换结合的融合算法在遥感图像融合中的性能优于传统的主成分融合算法(PCA),其中,非负矩阵分解与提升小波变换结合的融合算法的性能最为优异.     

基于局部均值和标准差的Curvelet变换遥感图像融合算法

为充分利用各种遥感图像的有用信息,在Curvelet变换的基础上,提出一种基于局部均值和标准差限定的遥感图像融合算法.通过Curvelet变换将同一场景下的高空间分辨率全色图像和低分辨率多光谱图像分解到不同尺度、不同方向的频带范围内,然后对低、高频系数分别采用最大值法和局部均值及标准差限定法的融合规则进行融合,最后进行Curvelet反变换得到融合图像.实验表明,基于该融合规则的Curvelet算法优于传统的遥感图像融合算法.     

遥感图像融合评价系统的设计与实现

图像融合是遥感图像处理的重要环节之一,本文基于MATLAB图像用户界面设计实现了遥感图像融合评价系统,该系统可实现遥感图像的小波法、PCA法及IHS法融合,并对图像进行九种客观评价.实验表明,本系统具有良好的实用性和可行性,可为图像融合与评价工作提供便利.     

基于多分类器融合的高光谱图像分类研究

针对由于高光谱图像存在数据量大、数据相关性强、图谱合一等特点导致高光谱图像分类难度较大的问题,构建一种基于多分类器融合的高光谱图像分类模型.该模型首先使用双边滤波算法进行去噪处理,然后使用LDA算法与PCA算法相结合、单独PCA算法、Gabor滤波与PCA算法相结合三种方式分别对数据进行降维与特征提取,并分别使用SVM...     

P6影像数据融合及其最佳融合方法在漓江两岸土地利用调查中的应用

遥感影像融合对影像分类、特征提取和目标识别具有重要的意义。针对印度P6卫星LISS-4全色数据和LISS-3多光谱数据进行多种融合实验,融合方法包括HIS变换、Brovery变换、PCA变换和Gram-Schmidt变换。根据融合结果的最终应用目的——目视解译和屏幕矢量化,采用信息熵、标准差、相关系数和视觉效果对融合方法进行定量和定性评价。分析结果表明,Brovey变换后的图像空间信息详细程度最差;HIS变换后的图像光谱保真能力最差;PCA变换和Gram-Schmidt变换方法融合效果图纹理信息清晰,光谱保真度好,适合P6卫星影像融合。最后选择2%线性拉伸后的PCA融合影像为工作底图,在此基础上对漓江两岸土地利用状况展开遥感调查。